猫眼电影记者 布罗茨基 报道首次登录送91元红包

随着多模态大模型（MLLMs）在各类视觉语言任务中展现出强大的理解与交互能力，如何高效地处理原生高分辨率图像以捕捉精细的视觉信息，已成为提升模型性能的关键方向。

然而，主流的视觉编码范式往往难以兼顾性能与效率：基于切片的编码方法虽能降低计算开销，却牺牲了全局上下文感知能力；而全局原生分辨率编码在提升整体性能的同时，又带来了巨大的计算负担。同时，现有的视觉压缩策略与特征提取过程相对独立，难以在编码早期有效控制信息冗余，缺乏一个兼顾细粒度建模与计算效率的统一架构。

针对如何在高清原生分辨率下，保持图像全局理解能力的同时，还能快速推理这一核心问题，来自清华大学、中科院的研究团队正式发布LLaVA-UHD v3！

论文标题：LLAVA-UHD V3: PROGRESSIVE VISUAL COMPRESSION FOR EFFICIENT NATIVE-RESOLUTION ENCODING IN MLLMS论文链接：https://arxiv.org/abs/2511.21150代码链接：https://github.com/thunlp/LLaVA-UHDhuggingface 链接：https://huggingface.co/Sishxo/LLaVA-UHD-v3

LLaVA-UHD-v3 提出了全新的渐进式视觉压缩框架 ——Progressive Visual Compression（PVC），由Refined Patch Embedding（RPE）与Windowed Token Compression（WTC）两个核心组件构成。该框架在保持全局语义一致性的前提下，显著减少视觉 Token 数量，从根本上提升原生高分辨率视觉编码的效率。依托 PVC，LLaVA-UHD-v3 在性能上可与 Qwen2-VL 相媲美，同时实现1.9× 的 TTFT 加速，完整训练仅需32 张 A100、约 300 小时即可完成。

切片编码 vs 全图编码深入分析

为了公平对比两种主流视觉编码方式 —— 基于切片的编码 (Slice-based Encoding, SBE) 与 全局原生分辨率编码 (Global Native-Resolution Encoding, GNE) —— 团队使用相同模型架构 + 相同训练数据 + 相同评估 protocol。在此基础上，既在通用多模态 benchmark 上测试，也专门构建了一个合成数据集 ShapeGrid 用于空间感知 / 定位能力分析。

在 ShapeGrid (及其 “Sudoku-style” 子集) 上，GNE 相比 SBE 在空间感知 / 定位任务上的表现有明显优势：空间感知能力平均提升约11.0%。

同时，在通用视觉 - 语言理解任务中，GNE 在语义理解表现上也略优于 SBE（平均提升约2.1%）。

更重要的是，通过对比注意力热图、激活分布 (attention maps)，研究发现 SBE 在空间定位任务中表现出系统性的方向、结构偏差 (例如水平、垂直方向不均衡) —— 也就是说 SBE 的切片机制破坏了图像的空间连续性 (spatial continuity 、geometry)，从而削弱了空间理解、定位的可靠性。

因此，该对比实验清晰地表明：尽管 SBE 在效率上有优势，但从语义 + 空间 + 几何一致性 (global context + spatial reasoning) 的角度，GNE 明显更适合需要空间感知、高分辨率理解与推理的任务。

全图编码的高效解决方案

全局原生分辨率编码带来了较高的计算成本，这凸显了迫切需要一种原生且高效的视觉编码范式。因此，团队提出了 LLaVA-UHD v3，一种配备了渐进式视觉压缩（PVC）方法的多模态大模型（MLLM），用于高效的原生分辨率编码。

PVC 架构由两个核心模块组成：

精细化 Patch 嵌入 (Refined Patch Embedding, RPE)：通过将图像划分为更小尺寸的 patch，并用伪逆 (pseudo-inverse) 方法将预训练模型原有 embedding 权重转换为新的、更细粒度的 embedding。这样，原本粗粒度 patch 的语义信息被近似保留，但实现了更丰富的视觉语义提取建模。窗口化 Token 压缩 (Windowed Token Compression, WTC)：在 ViT 的中间层，将空间上相邻的多个 token（例如 2×2 区域）聚合为一个新 token，初期以均匀平均池化 (average pooling) 起步，并通过一个轻量级、零初始化的 MLP 模型学习内容自适应的池化权重，从而逐渐学会对更重要区域赋予更高权重。这样，随着网络深度的推进，token 数量被大幅压缩，而关键语义信息得以保留。

这种 “先细粒度建模 + 再渐进压缩” 的设计，使得 PVC 在兼顾全局语义 + 局部细节的同时，大幅降低计算量。

实验验证：PVC 在推理效率提升的同时保留模型能力

效率方面，在统一的 LLM（Qwen2-7B）框架下，本文提出的 ViT-UHD 编码器相比 MoonViT 实现了2.4× 加速，相比 Qwen2.5-ViT 也快 1.9×。将其整合到完整的 MLLM 中后，LLaVA-UHD v3 的 TTFT 相较强大的 Qwen2-VL降低 49%（约快 1.9×），甚至比以高效著称的切片编码模型 MiniCPM-V2.6 仍然快约 10%。

在性能方面，LLaVA-UHD v3 仅使用约 2000 万对图文数据完成训练，远低于 Qwen2-VL（约 7 亿）和 MiniCPM-V-2.6（约 4.6 亿）等商业模型的训练规模。然而，其在多项视觉语言基准中依旧展现出高度竞争力。同时，它实现了64× 的视觉 Token 压缩率，远超对手（Qwen2-VL 约为 4×，MiniCPM-V2.6 为 16×），但在需要细粒度视觉信息的任务上 —— 包括 HallusionBench（幻觉检测）、CV-Bench（空间推理）以及 OCR&Chart（文字与图表识别）—— 依然取得了与 SOTA 模型相当甚至更优的表现。

这些结果充分验证了 PVC 框架的核心价值：在大幅减少视觉 Token 和推理开销的同时，仍能稳健保留关键的细节感知与全局理解能力，实现真正意义上的 “高效而不降级”。

基于对全图编码与切片编码优劣的深入分析，LLaVA-UHD v3 提出了结合两者优势的渐进式视觉压缩全图编码方案，在保证模型能力的前提下实现了显著的推理效率提升，并展现出良好的迁移与泛化能力，为 MLLM 的高精度原生分辨率建模提供了可行路径。

不过，实验分析表明，缺失了预对齐阶段的 ViT-UHD 性能不佳，这表明引入 PVC 后的视觉编码器能力仍未达到上限：仅靠当前 MLLM 的标准训练流程，很难完全挖掘 ViT 的视觉表征潜力，其学习尚未饱和。此外，随着 Token 数量增大，Transformer 的二次复杂度仍然会带来成本瓶颈。

未来，仍需要探索更适合多模态任务的视觉编码预训练策略，并逐步引入线性复杂度算子替代传统的二次复杂度注意力机制，从而实现真正可扩展的高效多模态建模。

  时事1：赛马会密传

  12月28日,吉林男篮新赛季“大换血” 目标直指季后赛,数量视角，存单活跃度整体略有下降，存单收益率中枢下降，从结构上来看，非银买盘偏弱。,分分彩平台。

  12月28日,小鼠“航天员”启程 西工大太空实验舱成功入轨,据路透社9日报道，在哈塔伊省省会安塔基亚市一家医院外，64岁的梅莱克（Melek）对缺乏救援队表示遗憾。“我们从地震中幸存下来，但我们会因为饥饿或寒冷而死在这里。”在另一重灾区马拉蒂亚市，民众萨比哈·阿利纳克（Sabiha Alinak）也表示，自己的亲属已被困在倒塌的建筑下两天，尚未等到救援队伍。,12bet电子网投,富豪炸金花下载,澳门银银河官方安全吗。

  时事2：皇冠体育在线线上

  12月28日,专家：低空经济高质量发展需破解三大关键问题,此外，我们还开发了移动端应用。现在工作中80%的时间使用手机，移动端应用效果很好，比如微信审批、经销商获客、承租人获客、外部厂商对接等，一个手机就能搞定。电子签章应用后，对于小业务，签订总对总协议后无需到场，远程即可完成签署，既节省成本又提高效率。特别是刚才谢总提到的汽车业务，批量通过移动端进件已是行业普遍做法。,万博max手机客户端,娱乐平台大全排行榜,2026世界杯投注语v98典tv。

  12月28日,“铜鼓杯”第一届广西气排球超级联赛开赛 融入民族元素,英格兰银行的金库主要承担国家官方储备的职能，存放英国自身的官方储备，和其他国家和机构委托保管的官方储备。,365bet注册网站,九五至尊游戏平台,老虎机在线游戏。

  时事3：优博注册送18

  12月28日,如何让“老房子”安全宜居？多地加快推进房屋体检制度落地,“国泰开航是一个开始，让更多人看到新疆的开放与活力。未来，新疆还可以更开放。”李瀚明说。,爱游戏平台官网下载,AG真人视频是录好的吗,博狗在线官网平台。

  12月28日,邦迪海滩枪案后，澳总理承诺严厉打击散播仇恨言论人员,全市场杠杆率上升。（1）银行间周度市场杠杆率抬升0.49pct至116.73%；（2）商业银行杠杆率下降0.15pct至102.99%；（3）广义基金杠杆率抬升0.86pct至114.34%；（4）券商杠杆率抬升13.41pct至217.30%；（5）保险杠杆率抬升1.90pct至135.28%。,欧洲杯吧,必威官网网页登录,澳门皇冠手机在线登录。

  时事4：伟德线上国际

  12月28日,广东自然岸线保有率逐年下降趋势得到根本性扭转,斯诺登还发文暗指美国政府说：“整个系统围绕这样一个想法，即只要经常大声重复，就可以让大多数人相信。而且这样做奏效了。”,BET9app下载,玩牛牛发哪4张牌可以抢庄,bwin网站是多少。

  12月28日,2025中国保龄球巡回赛总决赛在广州收官,据不完全统计，仅今年5月以来，全国已有数十所高校升格、更名、新增及转设等获教育部批复的消息先后公布。,乐鱼全站app官方,正规点的ag平台,完美竞技官网网址。